[发明专利]位姿信息估计方法、装置和可移动设备

说明书

公开了一种位姿信息估计方法、装置和可移动设备。所述方法用于估计处于工作环境中的可移动设备的位姿信息，所述可移动设备包括环境传感器，并且包括：接收由所述环境传感器获取的所述工作环境的样本数据；经由多层深度学习模型，提取所述样本数据中的特征表示，并根据所述特征表示来估计所述可移动设备的位姿信息；以及输出所述位姿信息。因此，在位姿信息估计过程中实现了端到端的优化训练，提高了整个过程的处理能效和计算效率。

技术领域

本申请涉及可移动设备领域，且更具体地，涉及一种位姿信息估计方法、装置、可移动设备、计算机程序产品和计算机可读存储介质。

背景技术

可移动设备(例如，机器人)执行任务前需要先定位自己的位置和朝向信息(即，位姿信息)，定位过程主要依赖可移动设备存储的场景感知结果，即场景地图，构建场景地图的技术就是同步定位与地图构建(SLAM)技术。

SLAM技术包括多种类型，例如，最为常用的是基于视觉技术的SLAM(VSLAM)，其主要的流程包括特征提取匹配、位姿计算优化、和回环检测处理。现有的方案一般都是各个流程分开处理，其中，特征提取匹配使用的是人工设计的经验特征，比如，定向快速旋转二进制鲁棒独立基本特征(ORB)、加速鲁棒特征(SURF)、尺度不变特征转换(SIFT)等。位姿计算优化使用的是传统几何方法，包括捆集调整(Bundle Adjustment)、迭代最近点(IterativeClosest Point)和图优化等，并且位姿计算优化还可以结合惯性测量单元的输出，方法主要是滤波法和图优化算法。回环检测处理则使用的是传统的基于内容的图像检索算法(CBIR)，比如词袋模型(BOW)、空间金字塔匹配(SPM)等。

然而，在现有技术的SLAM过程中，对于特征提取匹配而言，存在以下问题：人工设计的经验特征不一定最优、计算量大、鲁棒性不足；对于位姿计算优化而言，存在以下问题：对外点敏感、鲁棒性差、计算复杂度高、结合惯性测量单元建模时计算复杂；对于回环检测处理，存在以下问题：环节多复杂度高，精度差。也就是说，基于现有SLAM过程的位姿信息估计技术效率低下，难以满足实际应用需求。

因此，需要一种更加新颖的位姿信息估计技术。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种位姿信息估计方法、装置、可移动设备、计算机程序产品和计算机可读存储介质，其在位姿信息估计过程中实现了端到端的优化训练，提高了整个过程的处理能效和计算效率。

根据本申请的一个方面，提供了一种位姿信息估计方法，用于估计处于工作环境中的可移动设备的位姿信息，所述可移动设备包括环境传感器，所述方法包括：接收由所述环境传感器获取的所述工作环境的样本数据；经由多层深度学习模型，提取所述样本数据中的特征表示，并根据所述特征表示来估计所述可移动设备的位姿信息；以及输出所述位姿信息。

根据本申请的另一方面，提供了一种位姿信息估计装置，用于估计处于工作环境中的可移动设备的位姿信息，所述可移动设备包括环境传感器，所述装置包括：数据接收单元，用于接收由所述环境传感器获取的所述工作环境的样本数据；回环检测单元，用于经由多层深度学习模型，提取所述样本数据中的特征表示，并根据所述特征表示来估计所述可移动设备的位姿信息；以及位姿输出单元，用于输出所述位姿信息。

根据本申请的另一方面，提供了一种可移动设备，包括：处理器；存储器；以及存储在所述存储器中的计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行上述的位姿信息估计方法。

根据本申请的另一方面，提供了一种计算机程序产品，包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行上述的位姿信息估计方法。

根据本申请的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行上述的位姿信息估计方法。